on 28-Feb-2020 (Fri)

Modalités de réalisation

• Examen fait le plus souvent sous anesthésie locale (bloc périprostatique à la lidocaïne), par voie endorectale (fig. 15.2), de façon échoguidée.

• Compte tenu du risque septique, le geste doit systématiquement être couvert par une antibioprophylaxie.
Les fluoroquinolones systémiques sont recommandés en une prise unique par voie orale, 1 à 2 heures avant la réalisation de l'acte.
En cas d'allergie, d'intolérance ou de prise récente (< 6 mois) de quinolone, une antibioprophylaxie par la ceftriaxone est proposée en alternative.

• Les risques hémorragiques doivent être évalués en concertation avec le médecin traitant.
Un arrêt temporaire ou les modalités de relais des traitements anti-coagulants et/ou diminuant l'agrégation plaquettaire doivent être organisés avant le jour des biopsies."

• Geste réalisé en consultation, le patient pouvant reprendre une activité dès le lendemain en général.

• Le nombre moyen de carottes biopsiques est de 12, réparties dans la prostate grâce au contrôle échographique.

• Des biopsies « ciblées » supplémentaires peuvent être ajoutées en cas d'IRM préalable à la réalisation des biopsies de la prostate

Ce qu'il faut retenir des recommandations AFU 2016–2018 sur la surveillance active :

• la surveillance active est une option thérapeutique recommandée des cancers de la pros- tate à faible risque ;

• les critères d'inclusion sont basés sur les données du toucher rectal, le PSA, et les données biopsiques (au moins 12 carottes) ;

• une série de biopsies de confirmation est nécessaire dans les 18 premiers mois suivant le début de la SA, puis sur un rythme régulier non défini pour l'instant ;

• la sortie de la SA est indiquée par la présence d'un score de Gleason à 7 ou plus sur les biopsies de contrôle ;

• la surveillance repose sur un TR et un dosage du PSA régulier (au moins une fois par an). La place de l'IRM et le rythme des biopsies à réaliser dans le cadre de ce suivi est en évalua- tion sur un TR et un test PSA tous les 3–6 mois.

Risque intermédiaire

• Traitements standard : prostatectomie totale ± curage (si probabilité de survie >10 ans) ; radiothérapie externe seule ou associée à une suppression androgénique courte (6 mois) ; curiethérapie dans les formes de meilleur pronostic (PSA <15, GG2 ou Gleason 3 + 4) ; abstention-surveillance (si probabilité de survie <10 ans).

• Traitements en évaluation : US focalisés.

• Traitement en cours d'investigation : cryothérapie

Risque élevé • Traitements standard : prostatectomie totale + curage (éventuellement complétée par une radiothérapie) ; radiothérapie externe associée à une suppression androgénique longue (18 mois minimum) ; abstention-surveillance (si probabilité de survie <10 ans). • Traitement en cours d'investigation : hormonothérapie adjuvante à la prostatectomie, chimiothérapie adjuvante à la radiothérapie externe associée à l'hormonothérapie adjuvante

La durée de suivi doit probablement être d'au moins 10 ans, des récidives tardives, éligibles à un traitement curatif pouvant survenir avant ce déla

Suivi après prostatectomie radicale

• Le PSA seul suffit. Le patient est considéré en réponse complète si le PSA est <0,2 ng/ml 6 semaines après la chirurgie.
• Un niveau de PSA >0,2 ng/ml confirmé à une reprise définit une récidive biologique (ou une absence de réponse initiale).
• Rythme recommandé dans les suites de l'intervention : consultation avec dosage PSA à 1,5 mois, 3 mois, 6 mois, 12 mois, puis tous les 6 mois pendant 3 ans puis annuellement

Suivi après radiothérapie externe (avec ou sans hormonothérapie adjuvante) et ou curiethérapie

• TR et PSA nécessaires.

• Il n'y a pas de seuil de PSA permettant d'affirmer la réponse complète.
On appelle le PSA « nadir » la valeur la plus faible de PSA atteinte par le patient.
On tolère ensuite de petites variations autour de ce dosage de PSA.

• La définition de la récidive biologique est différente de la définition après chirurgie.
Elle est définie dans ce cas précis par l'augmentation de plus de 2 ng/ml au-dessus du PSA Nadir (valeur la plus basse de PSA observée après traitement local).
Cette définition suppose donc d'avoir demandé plusieurs dosages successifs de PSA avant d'affirmer la récidive.
Il est souhaitable d'observer un délai suffisant entre les dosages de PSA pour observer cette récidive (en général 3 mois, au minimum 1 mois).

• Rythme recommandé dans les suites de la fin de la radiothérapie : consultation avec dosage PSA à 1,5 mois, 3 mois, 6 mois, 12 mois, puis tous les 6 mois pendant 3 ans puis annuellement.

• Pour évaluer les risques de toxicité spécifiques à la radiothérapie, le suivi doit être fait en radiothérapie au moins une fois par an pendant 5 ans

Maladie localisée : principes de la stratégie thérapeutique en cas de récidive après un premier traitement standard à visée curative Une IRM pelvienne peut être proposée à la recherche de signes en faveur d'une récidive locale. Un nouveau bilan d'extension est toujours indiqué, afin de vérifier l'absence de maladie métastatique

Récidive après chirurgie Une radiothérapie de la loge de prostatectomie peut être proposée, pouvant être associée à une hormonothérapie courte concomitante éventuellement complétée par une irradiation des aires ganglionnaires

Récidive biologique persistante malgré les traitements locaux • Après plusieurs traitements locaux, il est possible que la seule manifestation d'une maladie résiduelle soit un PSA qui continue régulièrement d'augmenter. Les différents d'examen d'imagerie sont alors normaux. • Dans ce cas on parle de « récidive biologique ». • La castration est pour l'instant la seule option discutée dans ce cadre. Le moment précis à partir duquel la castration doit être proposée n'est pas défini

Stratégie en cas de cancer de la prostate découvert au stade d'emblée métastatique • La castration est la prise en charge de première ligne, toujours associée au traitement des autres symptômes du patient (douleur osseuse, anémie, dysurie…) : – castration chirurgicale ; – antagoniste de la LH-RH ; – agoniste associé avec un antiandrogène pour 15 jours au moins ; – acétate de cyprotérone

Stratégie de première ligne en cas de cancer de la prostate en phase de résistance à la castration 1. Principes généraux • Le traitement de castration de première ligne doit être maintenu durant toute cette phase. • Le diagnostic de « résistance à la castration » suppose de l'authentifier en vérifiant qu'il existe : – soit une progression biochimique : trois augmentations de PSA résultant en deux aug- mentations de 50 % au-dessus du nadir avec un PSA >2 ng/ml ; – soit une progression radiographique (nouvelles lésions apparaissant sur des scintigra- phies osseuses ou progression d'une lésion secondaire mesurable) ; – et que la testostéronémie est bien inférieure à 50 ng/dl

Stratégie de suivi du cancer de la prostate métastatique • Évaluation clinique et biologique (PSA) en consultation tous les 3 à 6 mois. • La fréquence des examens d'imagerie dépend du contexte clinique (surveillance personnalisée)

Deux situations possibles doivent être connues : • risque neurologique : – des lésions d'épidurite néoplasique et/ou de fracture osseuse pathologique peuvent amener à une symptomatologie aiguë de compression nerveuse, – cette situation particulière doit faire discuter une prise en charge neurochirurgicale en urgence (laminectomie décompressive), afin d'éviter des séquelles irréversibles qui pourraient avoir deux conséquences : – impact direct négatif significatif sur la survie du patient même chez des patients ayant par ailleurs une pathologie évoluée, – aggravation symptomatique et perte d'autonomie brutale ; • complications urologiques, de deux ordres : – rétention aiguë ou d'installation plus sournoise : – le volume de la prostate cancéreuse obstrue la filière urétrale (il s'agit alors d'un obstacle sous-vésical), – le traitement est la résection endo-urétrale, – urétéro-hydronéphrose uni- ou bilatérale avec éventuel retentissement sur la fonction rénale (penser à exclure une rétention urinaire [en cas de doute poser une sonde à demeure]) : – si la dilatation persiste après drainage (envahissement trigonal ou compression extrinsèque par adénopathies iliaques), – si le patient est asymptomatique sur le plan urinaire privilégier un traitement par voie endoscopique (pose de sonde double J), – si le geste par voie endoscopique n'est pas possible ou qu'il existe un envahissement de la vessie par la tumeur, proposer la pose de néphrostomie

La majorité des tumeurs du rein sont malignes mais un certain nombre d'entre elles sont bénignes (notamment les petites tumeurs) ou ont un faible potentiel évolutif

La découverte d'une tumeur du rein est une situation relativement fréquente. Dans 70 à 80 % des cas, les tumeurs du rein sont découvertes de façon fortuite (tumeur incidentale) par des examens d'imagerie abdominale (échographie, scanner ou IRM) demandés pour une autre raison

Épidémiologie Le cancer du rein occupe le 6 e rang des tumeurs solides malignes. L'âge médian au diagnostic est de 69 ans et le sex-ratio est de deux hommes pour une femme. Un tiers des patients est diagnostiqué au stade métastatique et, parmi les patients présentant une forme localisée, environ 30 % vont développer des métastases. Aux États-Unis, son incidence a augmenté de 126 % depuis 1950

Histoire naturelle

La carcinogenèse rénale est variable en fonction des types histologiques.
Dans le type histologique le plus fréquent (carcinome rénal à cellules claires), les principales voies métaboliques impliquées sont :
• l'inactivation du gène VHL induisant la stimulation d'une néoangiogenèse tumorale ;
• la survenue d'un shift métabolique se traduisant par le métabolisme préférentiel du glucose en lactate indépendamment de la disponibilité en oxygène.

Au moment du diagnostic, environ 10 à 40 % des cancers rénaux sont d'emblée métastatiques et environ 10 à 30 % le deviendront après néphrectomie pour un stade localisé.

Les principaux sites métastatiques sont : le poumon, le foie, les os, les surrénales, le cerveau.

Les tumeurs malignes du rein ont cependant la particularité de pouvoir métastaser dans n'importe quel organe et même plusieurs années après le diagnostic. L'autre particularité du cancer du rein est sa capacité à s'étendre dans le système veineux cave à partir de la veine rénale

Facteurs de risque

Les facteurs de risque de cancer du rein sont :

• Tabac
• Obésité
• Sexe masculin
• Hypertension artérielle
• Insuffisance rénale
• Transplantation rénale
• Exposition environnementale (trichloréthylène)
• Prédispositions génétiques dont des formes familiales (la principale est la maladie de Von Hippel-Lindau)

Près de 70 à 80 % des tumeurs du rein sont des tumeurs malignes. Les carcinomes les plus fréquents sont : • les carcinomes rénaux à cellules claires (CRCC) (75–85 %) ; • les carcinomes tubulopapillaires (CRTP) avec deux sous-types, 1 et 2 (12–14 %) ; • les carcinomes chromophobes (4–6 %)

Le grade tumoral ISUP (International Society of Uro-Pathology), anciennement appelé grade de Fuhrman est utilisé pour les CRCC et les CRTP pour évaluer l'agressivité de la tumeur. Il va de 1 à 4 et on distingue souvent les tumeurs de bas grade (1 et 2) et de haut grade (3 et 4). Il est établi à partir de l'analyse de la tumeur (lorsqu'elle a été retirée) ou de la biopsie et repose sur la présence d'anomalies cytonucléaires

Tumeurs rénales bénignes Les deux plus importantes à connaître sont : • l'oncocytome (aussi appelé adénome oncocytaire) : – plus fréquent chez la femme, – il peut parfois avoir une cicatrice stellaire centrale visible sur les examens d'imagerie ; • l'angiomyolipome : – c'est une tumeur bénigne qui associe trois composantes (adipeuse, musculaire et vasculaire), – c'est la seule tumeur bénigne dont on peut évoquer le diagnostic lorsqu'il y a une plage graisseuse (densité négative) à la tomodensitométrie, – c'est une tumeur rare (0,1 à 0,2 % de la population), plus fréquente chez la femme, – il est en général petit et isolé, – il est parfois volumineux et multiple et il faut alors évoquer une sclérose tubéreuse de Bourneville, – le risque principal de cette tumeur est un saignement qui peut justifier un traitement préventif lorsque la taille tumorale est supérieure à 4 cm.

dans certains cas, elles peuvent être associées à une hypercalcémie ou une polyglobulie

ilan biologique Le bilan d'une tumeur du rein est simple : • dosage de la créatinine sanguine avec mesure de la clairance selon MDRD (modification of the diet in renal disease) ou, plus récemment CKD-EPI (chronic kidney disease- epidemiology collaboration) ; • numération-formule sanguine. En cas de tumeur métastatique, il faut y ajouter : • bilan hépatique ; • LDH ; • phosphatases alcalines ; • calcémie ; • bilan de coagulation ; • plaquettes

Tomodensitométrie abdominale avec injection C'est l'examen de référence pour faire le diagnostic d'une tumeur du rein. Il doit comprendre quatre temps : sans injection, artériel ou précoce, tubulaire et excréteur ou tardif. La tomodensitométrie (TDM) permet de caractériser la tumeur : • elle renseigne sur son caractère tissulaire (caractérisé par une prise de contraste significative de + de 15 unités Hounsfield [UH]) ou kystique ; • elle évalue précisément sa taille et sa topographie ; • elle peut montrer une zone de densité lipidique, graisseuse sur les coupes sans injection qui est caractéristique d'un angiomyolipome (fig. 16.2) ; • en cas de tumeur kystique, elle permet de classer la tumeur selon la classification de Bosniak

La TDM abdominale doit être associée à une TDM thoracique pour faire le bilan d'extension de la tumeur.

IRM rénale Elle est moins irradiante que la TDM et le gadolinium, utilisé comme produit d'injection, est moins néphrotoxique. Elle est intéressante dans les situations suivantes : • altération de la fonction rénale (clairance MDRD < 60 ml/min) ; • exploration des lésions kystiques mal caractérisées par les autres examens d'imagerie ; • évaluation du niveau supérieur d'un thrombus veineux

La biopsie donne des renseignements diagnostiques et pronostiques : • nature de la tumeur : maligne ou bénigne ; • sous-type histologique si elle est maligne ; • grade de l'ISUP (anciennement appelé grade de Fuhrman)

Dans les centres expérimentés, la biopsie a une bonne performance diagnostique notamment pour déterminer la malignité (> 95 %). Les complications sont peu fréquentes (< 10 %) et le plus souvent mineures

Les indications de biopsies sont : • avant de donner un traitement médical en cas de tumeur métastatique ; • en cas d'incertitude diagnostique sur l'imagerie (lorsqu'on pense qu'il peut s'agir d'une tumeur qui n'est pas un cancer du rein : sarcome, lymphome, métastase d'une autre tumeur) ; • avant décision de surveillance active d'une petite tumeur ; • avant thermo-ablation d'une petite tumeur ; • en cas de petite tumeur chez une personne âgée (> 70 ans) avec des comorbidités

Tumeur tissulaire - Métastases à distance

Le diagnostic est confirmé par la TDM thoracique, abdominale et pelvienne qui montre des lésions secondaires qui peuvent être multiples : poumons, foie, adénopathies… Il faut compléter le bilan par une scintigraphie osseuse et une tomodensitométrie cérébrale. Il faut obtenir une preuve histologique de la nature de la tumeur : • le plus souvent par une biopsie percutanée ; • dans certaines situations par la néphrectomie ; • pour pouvoir décider du meilleur traitement

Tumeur localisée

Petite tumeur du rein On parle de petite tumeur du rein en cas de tumeur tissulaire, isolée, de moins de 4 cm (fig. 16.7). C'est une situation fréquente. Les petites tumeurs sont le plus souvent découvertes de façon fortuite. La TDM thoracique, abdominale et pelvienne est suffisante pour le bilan d'extension. Il n'y a en général pas d'anomalie biologique associée. Les petites tumeurs du rein sont malignes dans 80 % des cas et bénignes dans 20 % des cas. Les examens d'imagerie ne sont pas suffisamment performants pour statuer sur la nature bénigne ou maligne sauf en cas de plage de densité graisseuse qui doit faire évoquer un angiomyolipome.

La biopsie percutanée peut être proposée pour confirmer le diagnostic avant de proposer un traitement dans les situations difficiles (patients avec lourdes comorbidités, rein unique, tumeurs bilatérales, tumeur dont l'exérèse chirurgicale est à risque de par sa localisation dans le rein)

Tumeur localisée de plus de 4 cm (T1b et T2) Ce sont des tumeurs localisées qui n'ont pas dépassé la capsule du rein (fig. 16.8) (vidéos e16.1 et e16.2). Elles sont en général asymptomatiques et découvertes fortuitement. Elles sont souvent malignes et sauf cas particulier (personne âgée, tumeur complexe), la biop- sie n'est pas nécessaire avant traitement

Tumeur localement avancée Ce sont des tumeurs du rein qui ne sont ni intracapsulaires (T1-T2), ni métastatiques (M1). Elles sont malignes dans la grande majorité des cas. Il est donc rare de devoir faire une biopsie et le traitement (chirurgical) est proposé sans preuve histologique. Ce type de tumeur peut envahir la graisse périrénale (tumeur T3a, fig. 16.9), la veine rénale, la veine cave (fig. 16.10) et s'accompagner d'adénopathies lombo-aortiques

Tumeur kystique Elles représentent 5 à 10 % des tumeurs du rein. Elles sont en général peu agressives. Elles doivent être analysées par un scanner abdominal ou une IRM. L'échographie de contraste peut être intéressante lorsque le scanner ou l'IRM ne permettent pas de conclure. Un kyste simple est constitué d'une paroi très fine et a un contenu hydrique (fig. 16.12). Ces kystes sont très fréquents à partir de 50 ans et sont bénins

Certains éléments d'imagerie doivent faire considérer le kyste comme atypique, suspect ou franchement tumoral : • la présence de cloisons ; • l'épaississement des parois ou des cloisons ; • les calcifications ; • le rehaussement de la paroi ou des cloisons ; • la présence de végétations intrakystiques

La présence d'un ou de plusieurs de ces éléments permet de caractériser le kyste selon la classification de Bosniak (tableau 16.1) : • les kystes bénins (Bosniak I ou II) ne nécessitent ni traitement ni surveillance ; • les kystes Bosniak III (fig. 16.13) sont dits suspects et ont 50 % de risque d'être malins ; il est recommandé de les opérer ; • les kystes Bosniak IV (fig. 16.14) sont dits malins et doivent être opérés. On distingue aussi les kystes classés Bosniak IIF (pour follow-up, surveillance)

TNM REIN PARTIE 1

TNM REIN PARTIE 2

Tumeurs localisées < 6 cm

Néphrectomie partielle

Le traitement de référence des petites tumeurs du rein est la néphrectomie partielle lorsqu'elle est techniquement réalisable

Tumeurs localisées < 6 cm

Techniques thermo-ablatives

La radiofréquence ou la cryoablation percutannée peuvent être proposées après confirmation histologique de la nature maligne de la tumeur pour les tumeurs de moins de 3 cm dans certains cas sélectionnés : • patients avec de nombreuses comorbidités ; • rein unique fonctionnel ; • tumeurs multiples

Tumeurs localisées < 6 cm

Surveillance simple

Dans certains cas, et en raison de la nature souvent indolente des petites tumeurs du rein, une surveillance simple par imagerie peut être proposée chez les patients dont l'espérance de vie est limitée

Tumeurs de plus de 6 cm

Le traitement de référence des volumineuses tumeurs du rein est la néphrectomie élargie.

La surrénale homolatérale est conservée sauf en cas d'envahissement sur l'imagerie préopératoire

Surveillance après néphrectomie

Actuellement, aucun traitement adjuvant (thérapie ciblée, immunothérapie ou radiothérapie) n'est recommandé après néphrectomie pour une tumeur localisée.

Il est proposé un suivi clinique, biologique (créatinémie plasmatique) et d'imagerie (scanner thoracique, abdominal et pelvien) dont la fréquence dépend de l'agressivité histologique et du stade de la tumeur

Tumeurs oligométastatiques Dans le cadre des tumeurs du rein avec peu de métastases, il peut être proposé un traitement de la tumeur primitive (néphrectomie) et des métastases (exérèse chirurgicale, radiothérapie ou traitement ablatif) afin d'obtenir une rémission complète

Tumeurs du rein multimétastatiques Dans ce contexte la néphrectomie est discutée en fonction de l'état général, de la difficulté de la chirurgie et du pronostic de la maladie. Un traitement systémique est ensuite proposé. Les traitements systémiques reposent sur deux grandes classes thérapeutiques : • les thérapies ciblées (inhibiteur de tyrosine kinase et inhibiteur de mTOR) ; • l'immunothérapie (anti-CTLA-4, inhibiteur de PD-L1 et PD-L1 ligand)

Les tumeurs germinales représentent 95 % des tumeurs malignes du testicule et se répar- tissent en non séminomateuses (TGNS) et séminomateuses (TGS)

Le cancer du testicule est le cancer le plus fréquent des hommes avant 35 ans. Son incidence en France en 2012 était de 1 230 nouveaux cas par an

L'incidence du cancer du testicule (4,5 nouveaux cas/100 000 hommes/an) est en forte aug- mentation et a doublé depuis 1980 (fig. 17.1). Le pic d'incidence se situe entre 30 et 34 ans pour les TGNS et 39 ans pour les TGS

Histoire naturelle La néoplasie germinale in situ (NGIS) est un état précancéreux, qui concerne la majorité des tumeurs germinales du testicule. Parallèlement à une croissance volumique locale au sein de la pulpe, les tumeurs germinales ont un tropisme métastatique surtout lymphatique dans la zone de drainage du testicule (ganglions rétropéritonéaux, médiastinaux et sus-claviculaire gauche), mais aussi hématogène (poumons, foie, plus rarement cerveau et os). La maladie est localisée au testicule dans 60 à 70 % des cas au diagnostic

Facteurs de risque Les facteurs de risque de tumeurs germinales sont : • antécédent personnel ou familial (1 er degré) de tumeur germinale ; • cryptorchidie, ectopie testiculaire ; • atrophie testiculaire ; • syndrome de dysgénésie testiculaire : infertilité, atrophie, cryptorchidie, hypospadias ; • maladies syndromiques : Down, Klinefelter (tumeurs germinales extragonadiques médiastinales)

Les microlithiases testiculaires ne doivent pas être considérées comme un facteur de risque

Anatomopathologie La gonade mâle est composée de tubes séminifères enfermant les cellules de la lignée germi- nale, et des cellules stromales (Sertoli et Leydig). Ces éléments sont organisés par des struc- tures conjonctives septales convergentes (cloisons, rete testis, cônes efférents, épididyme)

Les tumeurs germinales comprennent les TGNS (55 %) et les TGS (45 %). Les TGNS sont composées d'un sous-type histologique unique ou d'une mosaïque de contingents parmi les- quels : le carcinome embryonnaire, le choriocarcinome, la tumeur du sac vitellin, le tératome. La présence d'un contingent séminomateux au sein d'une tumeur mixte ne requalifie pas le cancer en TGS. Une TGS est toujours « pure ».

Signes physiques d'examen Localement, l'examen doit être bilatéral et comparatif. La tumeur est classiquement une masse circonscrite, pierreuse, sensible plus que douloureuse à la palpation. Le sillon épididymo- testiculaire est conservé, ce qui signe l'origine testiculaire du processus (signe de Chevassu) (fig. 17.2). L'abdomen est profondément palpé, les champs pulmonaires auscultés, les aires ganglionnaires sus-claviculaires palpées ainsi que les glandes mammaires à la recherche de gynécomastie

L'échographie scrotale (fig. 17.3) est recommandée systématiquement. Elle a une sensi- bilité supérieure à 95 % lorsqu'elle est couplée à l'examen clinique, permet de distinguer les lésions intra- et extratesticulaires, d'évoquer certaines lésions bénignes. Quoique non spécifiques, les TGS ont le plus souvent un aspect de masses lobulées hypoéchogènes, vas- cularisées en Doppler couleur, associées à des microlithes. Les TGNS sont volontiers plus hétérogènes

La tomodensitométrie thoracique, abdominale et pelvienne est recommandée systématique- ment, aux fins d'évaluation du stade ganglionnaire rétropéritonéal, des éventuelles métastases viscérales abdominales. Le scanner thoracique est l'examen le plus sensible pour la détection des métastases pulmonaires ou des adénopathies médiastinales

Le dosage de trois marqueurs sériques est recommandé systématiquement avant et après orchidectomie. La valeur postopératoire est à la base des classifications pronostiques

• L'alpha-fœtoprotéine (AFP) est principalement produite par les tumeurs vitellines et le carci- nome embryonnaire. Sa demi-vie est de 5 à 7 jours. Elle n'est pas totalement spécifique et peut être retrouvée en oncologie digestive (carcinome hépatocellulaire, pancréas, estomac) et dans certaines hépatopathies non tumorales

• L'hormone chorionique gonadotrope humaine (HCG) totale est systématiquement sécré- tée par le choriocarcinome et dans 10 à 20 % des séminomes. Sa demi-vie est de 24 à 36 heures. La seule sous-unité β de l'HCG ne peut être utilisée dans les classifications pronostiques qui reposent sur la valeur de l'HCG totale

• Les lactates déshydrogénases (LDH) sont non spécifiques car corrélées au turn-over cellulaire.

La taille de la tumeur (>4 cm) et l'invasion du rete testis sont les deux facteurs pronostiques des TGS du stade I. L'invasion lymphovasculaire (ILV) est le seul facteur pronostique de récidive (rétropéritonéale) des TGNS du stade I

Orchidectomie totale L'orchidectomie dite « élargie » est le traitement local de référence des cancers du testicule. Il s'agit du premier geste thérapeutique mais aussi du dernier geste diagnostique. L'abord inguinal est impératif pour respecter le drainage lymphatique et permettre la ligature première du cordon à l'orifice inguinal interne (fig. 17.5). Une prothèse testiculaire peut être mise en place dans le même temps chirurgical que l'orchidectomie

Orchidectomie partielle Elle est recommandée uniquement en cas de testicule unique ou de tumeurs bilatérales syn- chrones (exceptionnelles). Elle est licite dans des conditions stringentes (fonction endocrine normale [testostéronémie normale], volume tumoral inférieur à 30 % du volume gonadique, diamètre de la tumeur inférieur à 2 cm) et doit s'accompagner de prélèvement de pulpe saine à distance de la tumeur pour rechercher une NGIS associée. Lorsque la présentation fait fortement évoquer une tumeur bénigne de type Leydigome (tumeur intratesticulaire bien limitée, ovalaire), une tumorectomie partielle peut être réali- sée. Le patient doit être prévenu d'une possible totalisation en cas de malignité sur l'analyse pathologique définitive

Les tumeurs scrotales qui ne sont pas des tumeurs malignes du testicule : • tumeur épididymaire ; • kyste intratesticulaire

Conclusion Le diagnostic d'une tumeur testiculaire doit procéder d'une démarche précise, systématique et aboutie, allant jusqu'à l'orchidectomie. Cette attitude est dictée par la fréquence élevée de nature maligne des tumeurs solides du testicule et par l'extrême curabilité de cette pathologie si elle est prise en charge précocement

Cancers stades I AJCC Les tumeurs germinales de stade I sont définies par le caractère localisé de la maladie (scanner thoraco-abdominal normal, marqueurs normaux après orchidectomie). L'orchidectomie est curative pour 75 % des stades I mais dans 25 % des cas, la maladie progresse sur un mode ganglionnaire rétropéritonéal (majoritairement dans les 2 ans qui suivent l'orchidectomie). Cette récidive implique la nécessité d'une chimiothérapie de rattrapage.

Séminomes (TGS I) La taille de la tumeur supérieure à 4 cm et l'envahissement du rete testis sont les deux facteurs pronostiques de récidive. La récidive concerne jusqu'à 28 % des cas si ces deux facteurs sont présents. La surveillance des séminomes (clinique, scanographique et biologique) est une option de choix, en particulier en l'absence de ces facteurs de risque de récidive. Une attitude adjuvante peut être discutée en cas de facteurs de risque. Il s'agit d'une radio- thérapie sur les aires ganglionnaires rétropéritonéales (20 Gy para-aortique) ou d'une chimio- thérapie par une cure de carboplatine AUC7. Ces traitements adjuvants à l'orchidectomie réduisent le risque de récidive en deçà de 5 %

Tumeurs germinales non séminomateuses (TGNS I) L'invasion lymphovasculaire est le principal facteur de risque de récidive des TGNS de stade I. En présence d'invasion lymphovasculaire, le risque de récidive se porte aux alentours de 50 %. La surveillance des TGNS est une option, en particulier en l'absence d'invasion lymphovascu- laire. Cette surveillance est basée sur l'examen clinique, la biologie et l'imagerie. Une attitude adjuvante peut être discutée en cas d'invasion lymphovasculaire. Il s'agit princi- palement d'une chimiothérapie par un cycle unique de BEP (bléomycine, étoposide, cisplatine). Cette chimiothérapie baisse le risque de récidive à 3 %. Un curage rétropéritonéal unilatéral dit « de stadification » est également une option adju- vante, peu utilisée en France, dont le rationnel est la relative constance du site de récidive et la possible présence de tératome (naturellement chimiorésistant) dans le tissu ganglionnaire

Tumeurs germinales métastatiques Le traitement des tumeurs germinales métastatiques repose (après l'orchidectomie) sur la chimiothérapie. Le protocole standard par BEP (bléomycine, étoposide, cisplatine) est recom- mandé, 3 ou 4 cycles selon le groupe pronostique auquel appartient le patient, défini par la classification IGCCCG. Une réévaluation (clinique, biologique et par imagerie) post-chimiothérapie est réalisée, qui indique, en cas de masse résiduelle une chirurgie de curage rétropéritonéal. Même si le spé- cimen de lymphadénectomie est dans 50 % des cas de la fibrose, le curage est indiqué en cas de masse résiduelle car aucun examen préopératoire ne permet de préjuger suffisamment sûrement de la nature de ces masses résiduelles. Cette chirurgie est systématique pour toute masse >1 cm en cas de TGNS et se discute pour les masses >3 cm en cas de TGS en fonction d'une évaluation par TEP-TDM au 18 FDG. Les situations de récidive après chimiothérapie, de résistance à la chimiothérapie sont grevées d'un pronostic très péjoratif. Elles relèvent de chimiothérapie de rattrapage conventionnel ou d'intensification (avec support de cellules souches)

Généralités Le cancer de la vessie est le 5 e cancer en fréquence en France (12 000 cas/an). Dans plus de 95 % des cas, il s'agit d'une tumeur urothéliale (cellules transitionnelles). Les tumeurs uro- théliales peuvent être multifocales et être localisées à la voie excrétrice supérieure (TVES), à la vessie (TV), à l'urètre. Les tumeurs urothéliales sont favorisées par des carcinogènes urothé- liaux (tabac) auxquels l'exposition doit cesser. Le bilan urothélial puis la surveillance urothéliale associent : cytologie urinaire, urétrocystoscopie et uroscanner

Le carcinome in situ (CIS) est une forme agressive de tumeur urothéliale. Son développement initialement plan en rend le diagnostic difficile. Multifocalité, volume tumoral, grade tumoral, CIS et récidive sont les éléments diagnostiques de gravité des TVNIM : ils permettent d'évaluer le risque évolutif sur lequel se fonde ensuite la décision thérapeutique

Les rares tumeurs non urothéliales de la vessie (épidermoïde, adénocarcinome, etc.) ont des facteurs de risque, une évolution et une prise en charge différents des tumeurs urothéliales

Urothélium L'urothélium (ou épithélium transitionnel) est l'épithélium de revêtement de l'arbre urinaire. Il recouvre tout l'appareil urinaire (haut et bas appareils excréteurs). La maladie de l'uro- thélium peut donc toucher de manière synchrone ou métachrone : calices, pyélons, uretères, vessie et urètre.

Facteurs de risque

• Tabac : l'intoxication tabagique est le principal facteur de risque, il multiplie par 3 le risque de tumeur de la vessie.

• Carcinogènes industriels : la découverte d'une tumeur de la vessie doit faire évoquer systématiquement une exposition professionnelle. – Les hydrocarbures aromatiques polycycliques (tableau 16 bis du régime général de la Sécurité sociale) : – goudrons, huiles et brais de houille ; – suie de combustion du charbon ; – métallurgie

– Les amines aromatiques et N-nitroso-dibutylamine (tableau 15 ter du régime général de la Sécurité sociale) :

– colorants (teinture) ;

– industrie du caoutchouc (pneu de voiture) ;

– plastinurgie (fabrication de plastiques) ;

– industrie pharmaceutique (laboratoires).

• Inflammation/irritation vésicale :

– bilharziose urinaire ;

– sondage vésical chronique (neurovessies) ;

– irradiation pelvienne ;

– exposition à certaines chimiothérapies (cyclophosphamide).

• Antécédents à risque :

– antécédent de tumeur du bas (vessie) ou du haut (uretère, pyélon, calice) appareil urinaire ;

– syndrome de Lynch.

Circonstances de découverte Le diagnostic est presque toujours fait sur des points d'appel cliniques et la découverte fortuite sur des examens d'imagerie est rare (échographie, scanner ou IRM)

Signes cliniques locaux (communs à toutes les tumeurs) Le diagnostic est rarement fortuit, deux symptômes sont évocateurs : • l'hématurie macroscopique : – c'est le signe révélateur le plus fréquent (80 %). Toute hématurie microscopique ou macroscopique doit faire rechercher une tumeur de la vessie (mais aussi d'un rein ou d'un uretère) ; • les signes irritatifs vésicaux (pollakiurie, urgenturie, brûlures mictionnelles) : – moins fréquents (20 %), doivent faire évoquer le diagnostic s'ils sont d'apparition récente et persistent après avoir éliminé une infection urinaire (ECBU)

Interrogatoire – Facteurs de risque • Recherche des facteurs de risque. • Recherche de symptômes évocateurs d'envahissement locorégional ou à distance et date de début des symptômes. • Score G8 si âgé de plus de 70 ans

Le bilan diagnostique initial repose sur deux examens essentiels : cytologie urinaire et cystoscopie

Cystoscopie, fibroscopie En cas de signe d'alerte, l'examen endoscopique fait référence. Il est réalisé sous anesthésie locale en consultation après vérification de la stérilité des urines (ECBU). Il est réalisé avec un fibro scope souple idéalement, sinon avec une cystoscopie rigide. Il permet de visualiser et de décrire les lésions. Les résultats sont notés sur un schéma de cartographie vésicale et précisent : • le nombre et la taille de la ou des tumeurs ; • la localisation (notamment en cas de tumeur au trigone, proche des méats urétéraux ou du col vésical) ; • l'aspect tumoral (sessile ou pédiculée, papillaire ou solide) (fig. 18.3) ; • l'aspect de la muqueuse vésicale avoisinante (recherche de zones érythémateuses évoca- trices de carcinome in situ)

Lorsqu'un patient est adressé par un médecin généraliste avec un examen d'imagerie (écho- graphie ou tomodensitométrie) évoquant fortement une tumeur de la vessie, l'étape de la fibroscopie vésicale diagnostique avant la résection endoscopique devient optionnelle

Résection transurétrale de tumeurs vésicales En cas de tumeur diagnostiquée endoscopiquement ou radiologiquement, une résection endovésicale, transurétrale, est programmée au bloc opératoire sous anesthésie générale ou locorégionale, après arrêt (ou relais) des anticoagulants et vérification de la stérilité des urines. Les copeaux (ou la pièce monobloc) de résection sont analysés en anatomopathologie. La résection doit : • être endoscopiquement complète (ce n'est donc pas une biopsie) ; • être suffisamment profonde pour avoir une analyse du muscle vésical (le détrusor), sans perforer la vessie ; • respecter les méats urétéraux s'ils ne sont pas envahis

La résection est un geste parfois incomplet et nécessite d'être réalisée une seconde fois 4 à 6 semaines après, ce qui permet de préciser le diagnostic et d'améliorer l'efficacité théra- peutique (résection dite « de second look ») : • lorsqu'elle a probablement été incomplète (tumeur volumineuse) ; • lorsqu'il existe un risque de méconnaître une TVIM : – tumeur affleurant le muscle (stade T1), – résection insuffisamment profonde (muscle non visualisé sur les copeaux de résection)

Stade tumoral T Il précise la profondeur de l'envahissement vésical : • jusqu'à T1 on parle de TVNIM (tumeur vésicale non infiltrant le muscle) : – Ta : tumeur papillaire sans infiltration du chorion, – Tis : c'est le carcinome in situ urothélial (CIS). On le distingue d'une tumeur Ta car il est plan (donc invisible en imagerie de coupe) et toujours de haut grade (donc agressif). Il peut être isolé, ou associé à des tumeurs papillaires, – T1 : tumeur infiltrant le chorion ; • à partir de T2 on parle de TVIM (tumeur vésicale infiltrant le muscle) : – T2 : tumeur infiltrant la musculeuse, – T3 : tumeur infiltrant la graisse périvésicale, – T4 : tumeur infiltrant un organe de voisinage. La résection ne permet pas d'identifier les stades T3 ou T4. Le bilan d'imagerie peut le prévoir. Seul l'examen anatomopathologique de la pièce de cystectomie permet la stadification défi- nitive de la tumeur

Le carcinome in situ et les TVIM sont toujours de haut grade.

Facteurs pronostiques et stratification du risque des TVNIM Le diagnostic pronostique des TVNIM est basé sur : • des critères anatomopathologiques, majeurs, qui sont associés au risque de progression : – stade pathologique (T), – grade histologique (G), – présence de carcinome in situ (CIS) ; • des critères endoscopiques, mineurs, qui sont associés au risque de récidive : – tumeur récidivante, – multifocalité, – taille >3 cm

TVNIM Aucun bilan d'extension n'est nécessaire pour la tumeur vésicale elle-même. Cependant une uro-TDM (avec un temps tardif urinaire, ou excrétoire) doit être réalisée, après vérifi- cation de la fonction rénale (créatininémie), afin de rechercher une localisation tumorale synchrone dans le haut appareil urinaire.

TVIM

Une TDM thoraco-abdomino-pelvienne avec injection de produit de contraste et réalisation d'un temps tardif urinaire (ou excrétoire) est indispensable après vérification de la fonction rénale (créatininémie) et permet : • l'évaluation d'un éventuel retentissement sur le haut appareil urinaire (obstruction urété- rale par la tumeur) ; • la recherche d'une seconde localisation urothéliale (tumeur concomitante du haut appareil)

• l'évaluation de l'extension locorégionale et à distance de la tumeur :

– envahissement de la graisse périvésicale ou des organes de voisinage,

– recherche d'adénopathies pelviennes ou lombo-aortiques,

– recherche de métastases à distance.

Les examens optionnels sont :

• la scintigraphie osseuse en cas :

– de douleurs osseuses évocatrices à l'examen clinique,

– d'une anomalie osseuse au scanner,

– de la présence de métastases pulmonaires ;

• le scanner cérébral en cas de troubles neurologiques.

Principes spécifiques Sauf exception (risque très élevé), le traitement est conservateur, évitant donc la cystectomie. Il est basé sur des instillations endovésicales répétées et une surveillance endoscopique et cytologique prolongée. Il dépend du risque de récidive et de progression de la tumeur vers une TVIM (tableau 18.3).

TVIM non métastatique

Le risque d'évolution métastatique est important et le traitement est non conservateur, associant :
• une chimiothérapie néoadjuvante : à base de cisplatine, visant à détruire d'éventuelles micrométastases non visibles en imagerie et réduire le volume tumoral ;
• l'exérèse chirurgicale de la vessie : on réalise une cystoprostatectomie totale chez l'homme, une pelvectomie antérieure chez la femme, un curage ganglionnaire pelvien est associé, puis les urines sont dérivées soit de façon continente (entérocystoplastie = vessie de rem- placement) soit de façon non continente, c'est-à-dire avec une stomie urinaire (urétéro- iléoplastie cutanée selon Bricker).

Un traitement trimodal (résections-radio-chimiothérapie) peut être proposé en alternative à la cystectomie lorsque celle-ci est contre-indiquée, ou refusée par le patient.

La surveillance est clinique et radiologique, réalisée par scanner thoraco-abdomino-pelvien à la recherche d'une récidive locale, urothéliale (haut appareil excréteur) ou de lésions secondaires métastatiques (tous les 6 mois)

TV métastatique Il n'existe pas de traitement curateur. La vessie est laissée en place. Le traitement permet de retarder l'évolution de la maladie et fait appel à : • une chimiothérapie à base de cisplatine en première ligne ; • une immunothérapie systémique en seconde ligne ; • des soins palliatifs et de confort. La surveillance est basée sur l'évaluation clinique et radiologique de la réponse des métastases au traitement et à la prise en charge de ses effets secondaires.

In a classification problem, the input data is presented to the machine learning model, and the task is to predict the target corresponding to the input data. The target is a categorical variable. So the classification task is to predict the category or label of the target given the input data. For example, the classification problem we discussed before, and illustrated in this image, is to predict the type of weather. The target that the model has to predict is the weather. And the possible values for weather in this case is sunny, windy, rainy, or cloudy. The input data can consist of measurements like temperature, relative humidity, atmospheric pressure, wind speed, wind direction, et cetera. So given specific values for temperature, relative humidity, and all those other measurements, the task for the model is to predict if the weather will be sunny, windy, rainy, or cloudy for the day.

This is what the data set might look like for the weather classification problem. Each row is a sample with input variables. Temperature, humidity, and pressure, and target variable, weather. Each row has specific values for the input variables and a corresponding value for the target variable. The classification task is to predict the value of the target variable from the values of the input variables.

Since a target is provided, we have label data, and so classification is a supervised task.

Note that the target variable goes by many names such as target, label, output, class variable, category, and class.

A classification problem can be binary, or multi-class. With the binary classification, the target variable has two possible values, for example yes and no. With multi-class classification, the target variable has more than two possible values, for example the target can be short, medium, and tall. Multi-class classification is also referred to as multinomial or multi-label classification. Remember, though, the target is always a categorical variable in classification.

Some examples of binary classification are predicting whether it will rain tomorrow or not. Here, there are only two possible outcomes. Yes, it will rain tomorrow, or no, it will not rain tomorrow. Another example is identifying whether a credit card transaction is legitimate or fraudulent. Again, there are only two possible values for the target, legitimate and fraudulent. Some examples of multi-class classification are predicting what the type of product that a customer will buy. In this case, the possible values for the target variables will be product categories, such as kitchen, electronics, clothes, and things like that. And there are more than one categories of products. So, this is a multi-class classification problem. Another example is categorizing a tweet as having positive, negative, or neutral sentiment. Again, the number of possible values for the target is more than two here, although it’s three. So this is, also a multi-class classification task.

In summary, in classification, the model has to predict the category corresponding to the input data. Since the target is provided for each sample, classification is a supervised task. The target variable is always categorical in classification.

A Machine Learning model is a mathematical model or a parametric function over the inputs. In the general sense, this means that the model has parameters and uses equations to determine the relationship between its inputs and outputs. The parameters are used by the model to modify the inputs to generate the outputs. The model adjusts its parameters in order to correct or refine this input output relationship.

A Machine Learning model works in a very similar way. It maps input values to output values and adjusts its parameters in order to correct or refine this input output mapping. The parameters of a Machine Learning model are adjusted or estimated from the data using a learning algorithm. This, in essence, is what’s involved in building a model. This process is referred to by many terms as model building, model creation, model training and model fitting.

In building a model, we want to adjust the parameters in order to reduce the model’s error. In the case of supervised tasks, such as classification, this means getting the model’s outputs to match the targets, or desired outputs, as much as possible. Since the classification task is to predict the category or class given the input variables, you can think of the classification problem visually as carving up the input space into regions corresponding to different class labels. In this diagram, for example, the classification model needs to form the boundaries to define the regions separating red triangles from blue diamonds from green circles, from yellow squares. In this example, if a sample falls between the region in the upper right corner, it will be classified as a blue diamond. Classification decisions are based on these regions, and the regions are defined by the boundaries, as indicated by the dash lines in this diagram. Thus, these boundaries are referred to as decision boundaries. Building a classification model then means using the data to adjust a model’s parameters in order to form decision boundaries to separate the target classes. Note that the term classifier is often used to mean classification model.

In general, building a classification model, as well as other Machine Learning models, involves two phases. The first is the training phase, in which the model is constructed, and its parameters adjusted using what’s referred to as training data. Training data is a data set used to train or create the model. The second is the testing phase. This is where the learned model is applied to new data that is data not used in the training model.

In the training phase, the learning algorithm uses the training data to adjust a model’s parameters to minimize errors. At the end of the training phase, you get the train model. In the testing phase, the train model is applied to test data, and test data is separate from the training data. Remember, training data is previously seen by the model and the test data is not previously seen by the model. The model is then evaluated on how it performs on the test data. The goal in building a classifier model is to have the model perform well on training, as well as test data. We will discuss in more detail the use of training and tests when we discuss model evaluation.

There are many algorithms to build a classification model, including kNN or k-nearest neighbors, Decision Trees and Naïve Bayes.

Naïve Bayes model uses a probabilistic approach to classification. Bayes’ Theorem is used to capture the relationships within the input data and the output class. Simply put, the Bayes’ Theorem compares the probability of an event in the presence of another event. Here we see the probability of A if B is present. An example for this is probability of having a fire if the weather is hot. You can imagine event B depending on more than one variable, e.g. weather is hot and windy.

Scikit-learn is an open source library in Python for end to end Machine Learning. It builds upon the strength of NumPy, SciPy, and matplotlib like many other Python libraries. It is being rapidly developed and improved by an active community of developers. For example in May 2017 as we speak, the number of contributors to Scikit-learn was 846.

Scikit-learn supports the whole process by providing utility functions for data transformations, as well as a range of data cleaning and preparation functions that help with many tasks including scaling, normalization, feature engineering, and missing value handling.

Scikit-learn also provides built-in functions for many Machine Learning algorithms ready for modeling and analysis. Although it requires some expertise to use these algorithms appropriately for the right tasks, there are many resources online that make the learning curve easier.

Additionally the documentation on the website for Scikit-learn includes tutorials to get started. We find those documentation really easy to follow. For example, the clustering part of the documentation nicely overviews the available algorithms, their metrics, scalability, parameters and even potential use cases.

Scikit-learn also includes specialized implementations for dimensionality reduction algorithms.

In Machine Learning we use a number of techniques to evaluate and select the right model. You will find a number of methods to help with this as well.

As a summary, Scikit-learn provides an extensive set of tools for the full Machine Learning process. Thanks to Python we can combine these tools with the rest of the data science tools in Python that we’ve learned up to now. This open and extensible Machine Learning library is vibrantly being developed and documented by a very active community.

The idea behind decision trees for classification is to split the data into subset, where each subset belongs to only one class. This is accomplished by dividing the input space into pure regions. That is, regions with samples from only one class. With real data, completely pure subsets may not be possible, so the goal is to divide the data into subsets that are as pure as possible. That is, each subset contains as many samples as possible of a single class. Graphically, this is equivalent to dividing the input space into regions that are as pure as possible. Boundaries separating these regions are called decision boundaries, and the decision tree model makes classification decisions based on these decision boundaries.

A decision tree is a hierarchical structure with nodes and directed edges. The node at the top is called a root node. The nodes at the bottom are called leaf nodes. Nodes that are neither the root node or the leaf nodes are called internal nodes. The root and internal nodes have test conditions. Each leaf node has a class label associated with it. A classification decision is made by traversing the decision tree, starting with the root node. At each node, the answer to the test condition determines which branch to traverse to. When a leaf node is reached, the category at the leaf node determines the classification decision. The depth of a node is the number of edges from the root node to that node. The depth of the root node is zero. The depth of a decision tree is the number of edges in the longest path from the root node to the leaf node. The size of a decision tree is the number of nodes in the tree.

This is an example of a decision tree, and it can be used to classify an animal as a mammal or not a mammal. According to this decision tree, if an animal is warm-blooded, gives live birth, and has a vertebrae, then it is a mammal. If an animal does not have any of these three characteristics, then it’s not a mammal.

A decision tree is built by starting with all samples at a single node, the root node, and adding additional nodes when the data is split into subsets. At the high level, constructing a decision tree consists of the following steps. Start with all samples at a node. Partition the samples into subsets based on the input variables. Here, the goal is to create subsets of records that are purest. That is, each subset contains as many samples as possible belonging to just one class. Another way to say this is that the subsets should be homogenous, or as pure as possible. Repeatedly partition data into successively pure subsets until stopping criteria are satisfied. And an algorithm for constructing a decision tree model is referred to as induction algorithm, so you may hear the term tree induction used to describe the process of building a decision tree.

Note that at each split, the induction algorithm only considers the best way to split the particular portion of the data. This is referred to as a greedy approach. Greedy algorithms solve a subset of the problem at the time, and is a necessary approach when solving the entire problem is not feasible. And by feasible, I mean computable in a reasonable amount of time or space. Using a greedy algorithm is necessary for decision trees. It is not feasible to determine the best tree given a dataset, so the tree has to be built in a piecemeal fashion by determining the best way to split the current node at each step, and combining these decisions together to form a final decision tree.

In this example, the partition shown on the right results in more homogenous subsets, since these subsets contain more samples belonging to a single class than the resulting subsets shown on the left. So the partition on the right results in purer subsets, and is the preferred partition.

Therefore, we need a way to measure the purity of a split in order to compare different ways to partition a set of data. It turns out that it works better mathematically if you measure the impurity, rather than the purity, of a split. So the impurity measure of a node specifies how mixed the resulting subsets are. Since we want the resulting subsets to have homogenous class labels, not mixed class labels, we want the split that minimizes the impurity measure. A common impurity measure used for determining the best split is called the Gini index. The lower the Gini index, the higher the purity of the split, so the decision tree will select the split that minimizes the Gini index. Besides the Gini index, other impurity measures include entropy, or information gain, and misclassification rate.

The other factor in determining the best way to partition a node is which variable to split on. The decision tree will test all variables to determine the best way to split the nodes, using a purity measure such as the Gini index to compare the various possibilities.

Recall that the tree induction algorithm repeatedly splits nodes to get more and more homogenous datasets. So when does this process stop building subsets? When does the algorithm stop growing the tree? There are several criteria that can be used to determine when a node should no longer be split into subsets. The induction algorithm can stop expanding a node when all samples in the node have the same class label. This means that this set of data is as pure as possible, and further splitting will not result in any better partition of the data. And since getting completely pure subsets is difficult to achieve with real data, this stopping criterion can be modified to when a certain percentage of the samples in the node, say 90%, for example, have the same class labels. The algorithm can stop expanding a node when the number of samples in the node falls below a certain minimum value. At this point, the number of samples is too small to make much difference in the classification results with further splitting. The induction algorithm can also stop expanding a node when the improvement in impurity measure is too small to make much of a difference in classification results. Additionally, the tree, or the algorithm, can stop expanding a node when the maximum tree depth is reached. This is to control the complexity of the resulting tree.

Let’s say we want to classify loan applicants as being likely to repay a loan, or not likely to repay a loan, based on their income and amount of debt they have. Building a decision tree for this classification problem could proceed as follows. Consider the input space of this problem, as shown in the left figure. One way to split this dataset into a more homogenous subset is to consider the decision boundary where income is t1. To the right of this decision boundary are mostly red samples, and to the left are mostly blue samples. The subsets are not completely homogenous, but that is the best way to split the original dataset based on the variable income. The decision tree boundary is represented in the decision tree by the condition income is greater than t1 at the root node. This is the condition used to split the original dataset. Samples with income greater than the threshold value of t1 are placed in the right subset, and samples with income less than or equal to t1 are placed in the left subset, just as shown in the left diagram. Because the right subset almost perfectly predicts that lenders will repay properly, the right subset is now labeled as red, meaning that the loan applicant is likely to repay the loan. The second step, then, is to determine how to split the region outlined in red. As shown in the left diagram and input space, the best way to split this data is specified by the second decision boundary, with debt equals t2. This is represented in the decision tree on the right with the addition of the node with condition debt greater than t2. Samples with a value for debt greater than t2 are shown in the region around the decision boundary. This region contains all blue samples, and so the corresponding node is labeled blue, meaning that the loan applicant is not likely to repay the loan. The third and final split looks at how to split the region outlined in red in the left diagram. The best split is specified by the boundary with income equals t3. This splits the red region into two pure subsets. The split is represented in the decision tree by adding a node with condition income is greater than t3, and the left resulting node is labeled blue, and the right resulting node is labeled red, corresponding to the resulting subsets with the red border in the left diagram. We end with the final decision tree on the right, which implements the decision boundaries shown as dashed lines in the left diagram. These decision boundaries partition the dataset as shown. The label for each region is determined by the label of the majority of the samples. These labels are reflected in the leaf nodes of the decision tree shown on the right.